論文の概要: Adding Filters to Improve Reservoir Computer Performance

• arxiv url: http://arxiv.org/abs/2008.10633v2
• Date: Mon, 19 Oct 2020 12:03:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 09:08:09.738335
• Title: Adding Filters to Improve Reservoir Computer Performance
• Title（参考訳）: 貯水池のコンピュータ性能を改善するフィルタの追加
• Authors: Thomas L. Carroll
• Abstract要約: この研究は、貯水池コンピュータが出力に関数を追加することによってどのように拡張されるかを示す。 ここで説明する特定の関数は線形フィルタであるが、他の関数も可能である。 信号嵌合問題,予測問題,信号分類問題に対して,フィルタの追加が貯水池コンピュータ性能に与える影響をシミュレートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reservoir computers are a type of neuromorphic computer that may be built a an analog system, potentially creating powerful computers that are small, light and consume little power. Typically a reservoir computer is build by connecting together a set of nonlinear nodes into a network; connecting the nonlinear nodes may be difficult or expensive, however. This work shows how a reservoir computer may be expanded by adding functions to its output. The particular functions described here are linear filters, but other functions are possible. The design and construction of linear filters is well known, and such filters may be easily implemented in hardware such as field programmable gate arrays (FPGA's). The effect of adding filters on the reservoir computer performance is simulated for a signal fitting problem, a prediction problem and a signal classification problem.
• Abstract（参考訳）: 貯水池コンピュータ(Reservoir computer)は、アナログシステムを構築することができる神経形コンピュータの一種で、小型で軽量で消費力の少ない強力なコンピュータを生み出す可能性がある。 通常、リザーバコンピュータは、非線形ノードの集合をネットワークに接続することで構築されるが、非線形ノードを接続することは困難または高価である。 この研究は、貯水池コンピュータが出力に関数を追加することによってどのように拡張されるかを示す。 ここで説明する特定の関数は線形フィルタであるが、他の関数も可能である。 線形フィルタの設計と構成はよく知られており、そのようなフィルタはfield programmable gate arrays (fpga) のようなハードウェアに容易に実装できる。 信号嵌合問題,予測問題,信号分類問題に対して,フィルタの追加が貯水池コンピュータ性能に与える影響をシミュレーションする。

関連論文リスト

• PolyLUT: Learning Piecewise Polynomials for Ultra-Low Latency FPGA LUT-based Inference [3.1999570171901786]
  ビルディングブロックを用いることで,線形関数よりもソフトロジックの層が少なく,同じ精度を実現できることを示す。 本手法の有効性を,ネットワーク侵入検出,CERN大型ハドロン衝突型加速器におけるジェット識別,MNISTデータセットを用いた手書き桁認識の3つのタスクで示す。
  論文  参考訳（メタデータ） (2023-09-05T15:54:09Z)
• Graph Filters for Signal Processing and Machine Learning on Graphs [83.29608206147515]
  グラフフィルタの包括的概要として、異なるフィルタリングカテゴリ、各タイプの設計戦略、異なるタイプのグラフフィルタ間のトレードオフなどを挙げる。 グラフフィルタをフィルタバンクやグラフニューラルネットワークに拡張して表現力を高める方法について論じる。 本稿の目的は、初心者と経験者の両方に統一的なフレームワークを提供することと、共通の理解を提供することです。
  論文  参考訳（メタデータ） (2022-11-16T11:56:45Z)
• Time Shifts to Reduce the Size of Reservoir Computers [0.0]
  貯水池コンピュータは計算を行うために配置された力学系の一種である。 我々は,貯水池コンピュータを,小さな非線形ノード(貯水池)と時間シフト型貯水池出力信号の2つの部分に分けられることを示す。
  論文  参考訳（メタデータ） (2022-05-03T11:42:36Z)
• Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
  本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。 本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。 ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-09-20T06:07:14Z)
• Message Passing in Graph Convolution Networks via Adaptive Filter Banks [81.12823274576274]
  我々は BankGCN と呼ばれる新しいグラフ畳み込み演算子を提案する。 グラフ上のマルチチャネル信号をサブスペースに分解し、各サブスペース内の特定の情報を適応フィルタで処理する。 ベンチマークグラフデータセットの集合におけるグラフ分類における優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-06-18T04:23:34Z)
• Physics-Based Deep Learning for Fiber-Optic Communication Systems [10.630021520220653]
  非線形シュリンガー方程式(NLSE)により制御される光ファイバー通信システムのための新しい機械学習手法を提案する。 本研究の主目的は,NLSEの数値解法として一般的なスプリットステップ法(SSM)が,深い多層ニューラルネットワークと同じ機能を有することである。 我々は、SSMをパラメータ化し、ニューラルネットワークの重み行列と同様、線形ステップを一般線形関数として見ることにより、この接続を利用する。
  論文  参考訳（メタデータ） (2020-10-27T12:55:23Z)
• Building Reservoir Computing Hardware Using Low Energy-Barrier Magnetics [0.0]
  貯水池コンピュータのような生物学的に繰り返されるニューラルネットワークは、単純な学習方式とカルマンフィルタとの深い接続により、ハードウェアの観点から興味深い。 このようなデバイスを用いた貯水池コンピュータのコンパクトな実装は、エッジデバイスにおけるスタンドアロンまたは直感的なマシン認識のためのコンパクトでエネルギー効率のよい信号プロセッサの構築を可能にする。
  論文  参考訳（メタデータ） (2020-07-06T14:11:45Z)
• Minimal Filtering Algorithms for Convolutional Neural Networks [82.24592140096622]
  我々は,M=3,5,7,9,11の基本的なフィルタリング操作を実装するための完全並列ハードウェア指向アルゴリズムを開発した。 各ケースにおける提案アルゴリズムの完全な並列ハードウェア実装は、組込み乗算器の数を約30%削減する。
  論文  参考訳（メタデータ） (2020-04-12T13:18:25Z)
• Reservoir Computing with Planar Nanomagnet Arrays [58.40902139823252]
  プラナーナノマグネット貯水池は、専用ニューロモルフィックハードウェアの需要が増大する中で、期待できる新しいソリューションである。 プラナーナノマグネット貯水池は、専用ニューロモルフィックハードウェアの需要が増大する中で、期待できる新しいソリューションである。
  論文  参考訳（メタデータ） (2020-03-24T16:25:31Z)
• Gabor Convolutional Networks [103.87356592690669]
  我々は、Gaborフィルタをディープ畳み込みニューラルネットワーク(DCNN)に組み込む、GCN(Gabor Convolutional Networks)と呼ばれる新しいディープモデルを提案する。 GCNは簡単に実装でき、一般的なディープラーニングアーキテクチャと互換性がある。 実験により,物体認識におけるアルゴリズムの超能力を示す。
  論文  参考訳（メタデータ） (2017-05-03T14:37:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。